Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING eProceedings of Engineering Jurnal Rekayasa elektrika Jurnal INFOTEL
Bambang Hidayat
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering

Published : 204 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 204 Documents
Search

 11   12   13   14   15 
Pengolahan Citra Radiograf Periapikal Pada Deteksi Penyakit Abses Dengan Metode Linear Discriminant Analysis Berbasis Android Rani Fauzana; Bambang Hidayat; Suhardjo Suhardjo
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abses adalah pengumpulan nanah secara local dalam suatu kavitas yang terjadikarena hancurnya suatu jaringan oleh kuman kuman piogenik.Pada umumnya abses tersebut disebabkan oleh infeksi pada jaringan sekitar.Saat ini deteksi penyakit abses dilakukan dengan bantuan dari teknologi radiograf periapikal.Namun, hasil ini memiliki sifat tidak pasti karena dokter melakukan diagnosis penyakit dengan melihat hasil radiograf secara kasat mata.Sehingga diagnosis yang tidak tepat dapat menyebabkan rencana perawatan dan pengobatan yang tidak tepat pula. Oleh sebab itu, dibutuhkan suatu alat yang dapat membantu meningkatkan akurasi diagnose penyakit. Berdasarkan permasalahan tersebut, Tugas akhir ini menghasilkan sebuah aplikasi berbasis android yang dapat mendeteksi penyakit abses pada gigi menggunakan metode Linear Discriminant Analysis sebagai ekstraksi ciri dan proses klasifikasi dengan menggunakan k-NN (k- Nearest Neighbour). Hasil dari penelitian ini diperoleh tingkat akurasi mencapai 90% dengan klasifikasi dibagi menjadi 2 jenis yaitu citra gigi non abses dan peripikal abses dengan menggunakan hasil periapikal radiograf sebagai citra uji dan citra latih. Kata Kunci : Abses, radiograf periapikal, Linear Discriminant Analysis(LDA), K- Nearest Neighbor
Perancangan Aplikasi Dan Implementasi Pencarian Lokasi Terdekat Pada Fakultas Teknik Telkom University Berbasis Android Kevin Prathama Nugraha; Bambang Hidayat; Leanna Vidya Yovita
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pencarian rute pada peta geografis mempunyai banyak aplikasi di banyak bidang. Rute yang dicari biasanya merupakan rute terpendek dalam artian dengan biaya kecil. Algoritma Dijkstra merupakan salah satu dari banyak algoritma pencarian rute pada peta geografis. Keunggulan dari algoritma ini adalah efisiensi waktu dengan tidak mengorbankan perhitungan biaya. Hal tersebut dimungkinkan karena selain memperhitungkan biaya, algoritma ini juga menggunakan estimasi untuk memprioritaskan arah pencarian yang benar. Pada tugas akhir ini telah dikembangkan salah satu fitur LBS ( Location Base Service ) , yaitu shortest path finder atau pencari rute terpendek, dengan pembuatan suatu aplikasi berbasis android yang bertujuan memberikan layanan berupa informasi lokasi kepada pengguna perangkat mobile di kawasan kampus Telkom University. Pada sistem kerja aplikasi ini pengguna dari perangkat mobile akan dideteksi posisinya oleh GPS yang terintegrasi pada aplikasi ini. Selanjutnya Pengguna perangkat mobile menentukan tempat yang diinginkan. Setelah itu aplikasi akan memberikan rute terpendek ketempat tujuan dari posisi pengguna perangkat mobile yang sebelumnya telah terdeteksi oleh GPS. Hasil yang dicapai dalam tugas akhir ini terbentuknya aplikasi berbasis android yang dapat menentukan rute terpendek dengan algoritma Dijkstra dari suatu titik ke suatu titik tujuan yang telah ditentukan pada kawasan kampus Telkom University. Kata kunci : LBS, Shortest Path, Android, Algoritma Dijkstra, GPS
Estimasi Bobot Karkas Ternak Domba Berdasarkan Metode Geometric Active Contour Dan Klasifikasi Decision Tree Krisma Asmoro; Bambang Hidayat; Nur Ibrahim
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Domba merupakan hewan ternak banyak dikonsumsi oleh masyarakat di Indonesia. Permintaan akan karkas domba atau kambing terus meningkat dari waktu ke waktu. Karkas kambing atau domba adalah berat daging tanpa kepala, kaki, organ dalam, dan ekor. Maraknya kecurangan yang dilakukan oleh penjual dengan membuat domba ‘gelonggongan’ membuat pembeli merasa tidak aman untuk membeli domba. Pembeli tidak akan mudah terkecoh dengan domba ‘gelonggongan’ jika pembeli sudah berpengalaman membeli domba, akan tetapi sangat sulit jika pembeli yang belum memiliki pengalaman dalam membeli domba dan menimbulkan potensi kerugian pada pembeli. Pengolahan citra digital akan diimplementasikan untuk membuat suatu sistem untuk mengatasi masalah estimasi berat karkas domba.Pengolahan citra digital digunakan untuk mengetahui ukuran fisik tubuh domba. Active Geometry Contour merupakan metode yang digunakan untuk segmentasi citra, sedangkan Decision Tree merupakan metode yang akan digunakan sebagai metode utnuk klasifikasi daripada berat karkas domba. Rumus estimasi bobot badan domba yang digunakan merupakan rumus dari Arjodarmoko (1975) . Domba yang dijadikan sample, berjumlah 26. Penelitian ini diharapkan akan memudahkan orang dalam menentukan berat badan dari karkas domba, dengan hanya mengambil citra dari domba yang akan ditentukan berat badannya. Akurasi bobot yang didapatkan sebesar 73,8226% dan akurasi kelas sebesar 74,359%. Kata Kunci : Karkas Domba, Geometric Active Contour, Decision Tree Abstract Sheeps are livestock widely consumed by people in Indonesia. The demand for sheep or goat carcasses continues to increase over time. Goat or sheep carcasses are the weight of headless flesh, legs, internal organs, and tails. The rise of fraud committed by sellers by making sheeps looks fat by giving them a lot of water (often called ‘fake’ sheep), makes buyers feel unsafe to buy sheep.Buyers will not be easily fooled by ‘fake’ sheep if the buyer has experienced buying sheep, but it is very difficult if the buyer who has not had experience in buying sheep and cause potential loss to the buyer. Digital image processing will be implemented to create a system to overcome the problem of weight estimation of sheep carcass. Digital image processing is used to determine the physical size of the body of a sheep. In general, the system divided into 5 processes, namely: the acquisition of sheep image; Pre-Processing the image of sheep; Segmentation of sheep image; Feature extraction; and classification. Active Geometry Contour is a method that used for feature extraction, whereas Decision Tree is a method is used as a method of classification rather than weight of sheep carcass. The estimation formula of sheep body weight that used in this final project is the formula from Arjodarmoko (1975). The amount of the sheep that have been used as a sample at this system is 26 sheeps . This study is expected to facilitate people in determining the weight of sheep carcasses, by capturing the image of the sheep. The accuracy of weight is 73,8226% and the accuracy of classification is 74,359%. . Keywords : Sheep Carcass, Geometric Active Contour, Decision Tree
Identifikasi Pola Sidik Bibir Pada Identitas Manusia Menggunakan Metode Content Based Image Retrieval (cbir) Dan Klasifikasi Learning Vector Quantization (lvq) Sebagai Aplikasi Bidang Forensik Biometrik Mutiara Ulfach; Bambang Hidayat; Fahmi Oscandar
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Ilmu forensik atau yang sederhananya biasa disebut forensik merupakan suatu ilmu yang dimanfaatkan untuk memudahkan dalam pemeriksaan dan pengumpulan bukti-bukti secara fisik dari tempat kejadian perkara sebagai proses penegakan keadilan maupun identifikasi secara pribadi. Mengidentifikasi wujud yang sudah tak utuh tersebut dapat dilakukan dengan forensik odontologi yang mengidentifikasi berdasarkan pengenalan fitur unik seperti pada sidik bibir. Pada bibir terdapat guratan-guratang unik yang berbeda-beda pada setiap individu dan dapat menjadi penentu jenis kelamin sehingga dapat mempermudah identifikasi. Guratan dan alur pada bibir merupakan pola-pola yang dapat di identifikasi melalui teknik biometrik. Teknik biometrik merupakan teknik untuk mengidentifikasi berdasarkan bagian tubuh atau kelakuan manusia tersebut, dan pada tugas akhir ini adalah sidik bibir.Tugas akhir ini bertujuan untuk melakukan identifikasi pola sidik bibir yang berbeda-beda dengan menggunakan metode Content Based Image Retrieval (CBIR) dan metode klasifikasi Learning Vector Quantization (LVQ). Hasil yang di dapat dari tugas akhir ini berupa sebuah program berbasis MATLAB yang mampu mengidentifikasi pola sidik bibir. Didapatkan akurasi terbaik pada sistem ini sebesar 86% dan waktu komputasi 10,7460 s. Kata kunci: Forensik, biometrik, sidik bibir, Content Based Image Retrieval (CBIR), Learning Vector Quantization (LVQ) Abstract Forensic science or simply called forensics is a science that is used to facilitate the examination and collection of physical evidence from the crime scene as a process of enforcing justice and personal identification. Identifying such an incomplete form can be done by identifying odontological forensics based on the introduction of unique features such as on lips print. On the lips there are unique strokes that vary on each individual and can be a determinant of sex so it can facilitate the identification. Scars and grooves on the lips are patterns that can be identified through biometric techniques. Biometric technique is a technique to identify based on body parts or human behavior, and in this final project is lipstick. This final assignment aims to identify different pattern of lipstick by using Content Based Image Retrieval (CBIR) method and classification method Learning Vector Quantization (LVQ). The results obtained from this final project in the form of a program that based on MATLAB is able to identify patterns of lip patterns. Best accuracy on this system is 86% and computing time of 10,7460seconds. Keywords: Forensic,biometric, lip print, Content Based Image Retrieval (CBIR), Learning Vector Quantization (LVQ)
Steganografi Gambar Menggunakan Modifikasi Enhanced Least Significant Bits Berdasarkan Teknik Deteksi Objek Gambar Dela Tantri Riyandani; Bambang Hidayat; Rian Febrian Umbara
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi dan pertumbuhan internet yang sangat pesat menyokong kebutuhan akses pertukaran data dan informasi dapat dilakukan secara cepat dan tepat. Pesan penting yang terkandung dalam informasi data menimbulkan rasa khawatir akan terjadinya pemalsuan atas pesan tersebut.  Steganografi merupakan salah satu cara untuk menyembunyikan suatu pesan atau data rahasia di dalam suatu media penampungnya sehingga orang lain tidak menyadari adanya pesan didalam media tersebut. Pada penelitian ini, dirancang sebuah sistem steganografi dengan metode Modified Enhanced Significant Bit (MELSB)untuk menyisipakan pesan berupa teks dengan format *.txt kedalam gambar dengan format .bmp setelah melalui deteksi objek. Parameter yang diukur berupa PSNR, MSE, BER ,CER dan MOS. Dimana nilai PSNR mencapai 80,6239 dB, dan nilai MSE terkecil 0,0005633. Waktu komputasi tercepat 2,7216 detik untuk penyisipan dan 1,8113 detik untuk ekstraksi. Hasil nilai BER dan CER bernilai nol saat tidak diberi noise Gaussian. Sistem tahan terhadap noise  Gaussian  saat  mean  0  dengan  variansi  dibawah 1x        .  Untuk nilai  MOS  dengan  40  koresponden memiliki rata rata 4,4 yang berarti kualitas stego image baik. Kata kunci : Steganografi, gambar,MELSB, deteksi objek
Estimasi Bobot Karkas Sapi Berdasarkan Metode Region Growing Dan Klasifikasi K-nn Distyan Putra Agrisativa; Bambang Hidayat; Sjafril Darana
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sapi adalah hewan ternak yang banyak dimanfaatkan oleh manusia. Salah satu pemanfaatannnya adalah sebagai bahan pangan. Di Indonesia konsumsi daging sapi terus meningkat setiap tahunnya. Dengan meningkatnya konsumsi daging setiap tahunnya, menandakan agribisnis sapi merupakan salah satu bisnis yang menjanjikan. Ukuran keberhasilan dalam manajemen pemeliharaan sapi potong adalah dengan melihat produktivitasnya, yaitu didapatkannya ternak sehat diikuti bobot karkas yang relatif besar. Oleh karena itu, proses penentuan bobot sapi merupakan salah satu hal penting dalam agribisnis sapi potong. Bobot badan sapi dapat diperoleh dengan mengukur lingkar dada, panjang badan, dan penimbangan. Namun cara tersebut kurang praktis dan masih memiliki beberapa kendala. Image processing dapat digunakan untuk mengestimasi bobot karkas sapi dan diharapkan prosesnya lebih efektif dan efisien. Dalam mendapatkan estimasi bobot karkas sapi secara optimal ada beberapa tahap yang perlu dilakukan yaitu : pre-processing, segmentasi citra, ekstraksi ciri dan klasifikasi. Metode segmentasi yang digunakan adalah Region Growing untuk memisahkan citra sapi dengan background. Melalui segmentasi ditemukan ciri berupa lebar dada dan panjang badan sapi yang digunakan dalam perhitungan mengestimasi bobot karkas sapi dan proses klasifikasi. Klasifikasi yang digunakan adalah K- Nearest Neighbor (K-NN), bekerja dengan mengklasifikasikan objek berdasarkan data pembelajaran dalam jarak paling dekat dengan objek. Perolehan hasil dari serangkaian proses di atas adalah sebuah aplikasi Matlab yang dapat mengestimasi berat karkas sapi dari citra digital dan melakukan klasifikasi sapi menjadi sapi berukuran besar dan sedang. Pada tugas akhir ini diperoleh hasil akurasi bobot karkas sebesar 88.2% dengan waktu komputasi rata-rata 61.2 detik. Sedangkan akurasi berdasarkan K-NN sebesar 75% dimana lebih baik daripada penelitian sebelumnya yang menggunakan Graph Partitioning dan Klasifikasi K-NN dengan akurasi sebesar 64.7%. Kata Kunci : Bobot karkas sapi, Region Growing, K- Nearest Neighbor.
Identifikasi Usia Berdasarkan Pengolahan Citra Radiografi Panoramik Gigi Molar Pertama Mandibula Dengan Metode Local Binary Pattern (lbp) Dan Klasifikasi Support Vector Machine (svm) Rizqi Shaumi Puspa Ayu Amanda; Bambang Hidayat; Fahmi Oscandar
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Forensik merupakan interaksi dari ilmu kedokteran forensik dan ilmu hukum. Bagian tubuh yang banyak digunakan dalam bidang forensik untuk mengidentifikasi usia adalah gigi. Bagian dari gigi yang dapat menjadi indikator penentu usia manusia adalah pulpa. Ukuran pulpa akan mengalami penyempitan seiring bertambahnya usia yang disebabkan oleh deposisi dentin sekunder. Karena proses ini terjadi terus menerus maka dapat digunakan sebagai parameter identifikasi usia. Pada penelitian ini, gigi yang dipakai untuk mengidentifikasi usia adalah pulpa gigi akar jamak, yaitu pulpa gigi molar pertama mandibula dengan menggunakan teknik radiografi panoramik. Pada tugas akhir ini sistem yang dikembangkan untuk mengidentifikasi usia menjadi 3 kelompok usia yaitu anak-anak, remaja, dewasa menggunakan Local Binary Pattern (LBP) sebagai metode ekstraksi ciri dan Support Vector Machine (SVM) sebagai metode klasifikasi. Kemudian dari metode tersebut diperoleh data ciri statistik, sehingga dapat diklasifikasikan untuk menentukan usia. Dari hasil pengujian, sistem yang dibuat mampu mengidentifikasi usia berdasarkan gigi molar pertama mandibula dengan nilai akurasi maksimum sebesar 63,21% dengan waktu komputasi 0,8780 detik. Hasil ini didapatkan menggunakan parameter LBP yaitu kombinasi parameter orde satu mean dan entropy dengan nilai radius=4 dengan ukuran resize 512x512. Pada proses klasifikasi SVM jenis kernel terbaik yang digunakan adalah kernel RBF menggunakan multiclass OAO. Dalam penilitian ini penulis juga mencoba untuk melakukan pengujian dengan tidak melakukan pengelompokkan usia (per usia, 54 kelas) dengan hasil akurasi 8,70%. Kata Kunci : Gigi mandibula molar pertama, Identifikasi usia, Local binary pattern (LBP), Support vector machine (SVM), Radiografi panoramik Abstract Forensic science is the application of science to criminal and civil laws. The most commonly used body parts in forensic to identify age of a victim are teeth. Teeth are also the most reliable tools in the process of identification of age if it done properly. One of part of the tooth that can be a decisive indicator of the age of man is pulp. The size of the pulp will gradually narrowing of the circumference of the pulp volume with increasing age, caused by deposition of secondary dentin. Therefore this process happens continuously then it can be used as a parameter identification of age. In this study, teeth that is used is the first mandibular first molar teeth pulp using panoramic radiograph In this Final Project writter has developed a system that can classify age using Local Binary Pattern (LBP) as a method of feature extraction and Support Vector Machine (SVM) as a method of classification. Then from these methods retrieved the statistical feauture data so it can be classified in order to determine age. From the test results, the system is able to identifyage based on mandibular first molar image with maximum accuracy 63,21% and time computation 0,8780 s. This result is obtained using LBP parameter that is combined with orde 1 parameters which are mean and entropy with radius=4 , resize 512x512. For the SVM classification process the best kernel type is RBF with multiclass OAO. In this study writter also tried not to classify age into groups(54 classes) with result 8,70%. Keywords: Mandibula first molar, Age identification, Local binary pattern (LBP), Support vector machine (SVM), Panoramic radiography
Klasifikasi Jenis Batuan Beku Berdasarkan Tekstur Dengan Metode Transformasi Curvelet Dan K-nearest Neighbor (k-nn) Mila Muliani; Bambang Hidayat; Andri Slamet Subandrio
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Batu adalah salah satu bagian dari kekayaan alam di Indonesia. Dengan banyaknya berbagai jenis batuan yang tersebar di seluruh alam Indonesia, diperlukan banyaknya orang ahli dalam mengenal jenis bebatuan di Indonesia. Terdapat banyak cara untuk mengidentifikasi sebuah batu, bisa dilihat langsung secara kasat mata dan bisa juga lewat alat mikroskop. Dari cara tersebut mungkin yang paling mudah adalah secara kasat mata untuk langsung mengenali jenis batuan tersebut, oleh karena itu diperlukan suatu alat bantu sebagai pembanding tenaga ahli untuk meyakinkan klasifikasi jenis batuan beku dengan akurasi yang tinggi dan waktu yang singkat. Pada Tugas Akhir ini diimplementasikan ilmu Pengolahan Sinyal Digital (PSD) yang mana menciptakan sebuah sistem berbasis Matlab dengan mendeteksi citra batuan yang di masukan ke dalam sistem. Lalu, pada Tugas Akhir ini juga direalisasikan sebuah aplikasi untuk mengidentifikasi jenis batuan beku menggunakan metode ekstraksi ciri Transformasi Curvelet yang keunggulannya optimal dalam merepresentasikan objek bertepi terutama garis lengkung dan juga setiap citra batuan dicari similaritasnya dengan menggunakan k-Nearest Neighbor (K-NN) untuk mengklasifikasikannya. Dari hasil pengujian performansi sistem, didapatkan bahwa hasil performansi sistem mencapai akurasi tertinggi saat proses ekstraksi ciri menggunakan Curvelet skala 5 orientasi 16. Dari hasil pengujiannya, didapatkan hasil akurasi terbaik sekitar 88,89% untuk citra megaskopis, 80% untuk citra mikrosopis parallel nikol, dan 73,33% untuk citra mikroskopis cross nikol. Kata Kunci : Batuan Beku , Transformasi Curvelet, K-Nearest Neighbor.
Identifikasi Pola Sidik Bibir Pada Identitas Manusia Menggunakan Metode Histogram Of Oriented Gradients Dan Klasifikasi Support Vector Machine Sebagai Aplikasi Bidang Forensik Biometrik Restu Pujiyanti Hidayat; Bambang Hidayat; Yuti Malinda
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Odontologi forensik adalah sebuah cabang ilmu dari ilmu kedokteran gigi yang bertujuan untuk menerapkan pengetahuan kedokteran gigi dalam memecahkan masalah hukum dan kejahatan. Cabang ini telah digunakan bertahuntahun untuk mengidentifikasi korban dan tersangka dalam kasus pencurian, pelecehan dan kejahatan yang lainnya. Ilmu kedokteran gigi forensik dapat menentukan identitas seseorang berdasarkan identifikasi salah satunya adalah identifikasi pola sidik bibir. Sidik bibir yang dimiliki oleh individu memiliki sifat konsisten, stabil sepanjang hidup, dan tidak akan berubah baik pola ataupun karakteristiknya. Pada Tugas Akhir telah dilakukan perancangan dan penelitian sebuah simulasi untuk identifikasi pola sidik bibir pada identitas manusia dengan menggunakan citra digital berdasarkan citra sidik bibir. Dengan menggunakan metode ekstraksi ciri Histogram of Oriented Gradients (HOG) dan untuk klasifikasi menggunakan metode Support Vector Machine (SVM). Hasil dari Tugas Akhir ini adalah suatu sistem yang mampu melakukan identifikasi pola sidik bibir pada identitas manusia berdasarkan klasifikasi Suzuki dan Tsuchihashi. Sistem tersebut mempunyai performansi dengan tingkat akurasi terbesar 92% dengan waktu komputasi 1,4129 detik dengan menggunakan 50 sampel citra latih dan 25 citra uji. Hasil ini didapatkan menggunakan parameter HOG yaitu Cell Size 4×4, Block Size 2×2 dan Bin Numbers 9. Pada proses klasifikasi SVM jenis kernel terbaik yang digunakan pada saat kernel linear. Kata kunci: Forensik Kedokteran Gigi, sidik bibir, Histogram of Oriented Gradients, Support Vector Machine. Abstract Forensic Odontology is a branch of the science of dentistry that aims to apply the knowledge of dentistry in solving legal problems and crime. This branch has been used for years to identify victims and suspects in cases of theft, harassment and other crimes. Forensic dentistry can determine a person's identity based on identification, one of which is the identification of lip pattern. Lip pattern that is owned by an individual has a consistent nature, is stable throughout life, and will not change either the pattern or its characteristics. In the Final Project, a design and research simulation has been carried out to identify the lip print pattern on human identity by using a digital image based on lip print images. By using feature extraction method of Histogram of Oriented Gradients (HOG) and for classification using the Support Vector Machine (SVM) method. The result of this Final Project is a system that is able to identify the lip print pattern on human identity based on the classification of Suzuki and Tsuchihashi. The system has a performance with the highest accuracy rate of 92% with a computing time of 1.4129 seconds using 50 training image samples and 25 test images. These results are obtained using the parameters HOG Cell Size 4×4, Block Size 2×2 and Bin Numbers 9. In the SVM classification process the best kernel types are used when linear kernel. Keywords: Odontology Forensic, lip print pattern, Histogram of Oriented Gradients, Support Vector Machine
Identifikasi Dan Klasifikasi Kemurnian Susu Sapi Berdasarkan Pemrosesan Sinyal Video Menggunakan Metode Discrete Wavelet Transform (dwt) Dan Learning Vector Quantization (lvq) Nadia Aisyah Permata Putri; Bambang Hidayat; Sjafril Darana
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Susu sapi murni merupakan susu sapi yang kandungan alaminya tidak dikurangi atau ditambah sesuatu apapun dan belum mendapat perlakuan apapun. Banyak produsen susu sapi murni yang mencampurkan bahan atau komponen lain agar susu sapi murni tersebut mengalami peningkatan dalam hal kuantitas atau volume. Dengan dilakukannya pencampuran, maka para pedagang memungkinkan untuk memperoleh keuntungan lebih banyak. Sulit bagi konsumen untuk membedakan susu sapi murni dan yang telah dicampur dengan bah an lain. Dalam mengetahui kemurniannya, penulis mengusulkan sistem untuk identifikasi dan klasifikasi kemurnian susu sapi berdasarkan pemrosesan sinyal video menggunakan metode Discrete Wavelet Transform (DWT) dan Learning Vector Quantization (LVQ) yang diaplikasikan melalui perangkat lunak (software) MATLAB. Adapun tahapan yang dilakukan adalah akuisisi, pre-processing, ekstraksi ciri, hingga tahap terakhir klasifikasi. Berdasarkan identifikasi dan klasifikasi, didapatkan akurasi 62,5% terhadap warna tetes an bulir susu sapi, akurasi 70% terhadap bentuk tetesan bulir susu sapi, dan 4 frames terhadap waktu tempuh tetesan bulir susu sapi. Kata Kunci : Susu sapi murni, Discrete Wavelet Transform (DWT), Learning Vector Quantization (LVQ)
Co-Authors Abdul Hafidh Zaini Ade Pitra Hermawan Adi Aufarachman Putra Bambang Dwi Adrian Firmansyah Taufik Afina Fatharani Agre Liana Bella Clara Ahmad Mumtaz Ahsanu Qornan Al Brando Ardes Harjoko Alif Fajri Ryamizard Alifdio Hendra Putra Alifia Fathur Rizkiyah Alvin Matthew Valentino Amelia Shaffira Arifin Andre Danika Andrean David Chrismadandi Andri Slamet Subandrio Andri Slamet Subandrio Andri Slamet Subandrio Angrinda Kharisma Putri Anissa Widya Devianti Annisa Adlina Mulyaningrum Annisa Faraditha Basuki Annisa Rizki Akmalia Annisa Yandra Oktora Apriannor Apriannor Aptanti Aptanti Arfhan Setiawan Ari Septayuda Arina Fadhilah Arisalsabila Wahyu Bawono Arvieda Nadya Astin Santosa Auliado Centaury Ayu Tri Yulina Ayu Trisna Hayati Ayu Trisna Hayati Azarine Sandi Rizcky Bagas Yufa Ardana Bani Aulia Rahman Bella Yunita Kusuma Carolus Ferdy Setiaji Hartoko Chyndi Mery Da Vega Clara Amanda Daniel Ade Aryono Dara Aulia Feryando David Vianza Dea Delia Lestari Dela Tantri Riyandani Denanda Syahnurreza Auladi Desi Dwi Prihatin Desti Madya Saputri Devi Naafiyandika Sutopo Devi Rahmaditra Devi Utami Nur Indah Sari Devita Ba'diatan Fitri Dewa Gede Eduard Pramana Morton Dewi Zakiawati Dias Wardana Diati Levi Putri Dimas Anugrah Putra Dinda Rizki Taningrum Diny Hafizha Amelia Diovani Estidia Akbar Distyan Putra Agrisativa Dita Kusuma Wardani Dudi Aripin Dwi Sukma Bestry Edrea Cioksidy Cioksidy Eka Yuwitaning Eko Susatio Elline Constantia Elok Novita Pramunti Elyza Dilla Susanti Endang Yuni Endang Yuni Setyowati Enrico Wiratama Purwanto Erryna Indah Kurniawati Erty Kasdiantika Erwin Susanto Faber Tommy Johannes Nauli Fadhilah Fadhilah Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oskandar Fanny Oksa Salindri Farah Fadhilah Hermahiroh Farisah Qisthina Rekamasanti Farras Duto Hestopo Fauziyyah Rachmawati Fina Maharani Firda Isfandary Badryani Fiya Rohmawati Galuh Laksmita Ranggi Garizah Ganih Pranoto Gelar Budiman Ghina Oktavia Gita Meirinda H. Suhardjo H. Suhardjo Haidar Maghrifa Ahmad Hamdan Gustiawidi Hanif Jaka Permana Hasna Nur Afina Helena Jasmine Clarissa Hermas Ahadhi Septiaji Hervyn Junianto Kuen Hilal Nuha Hilman Fauzi, Hilman Hindrya Meidina Fresty Husnul Himmah I Nyoman Apraz Ramatryana I Putu Aditya Widiatama Ibrahim Adilla Ida Ayu Dian Purnama Sari Imam Abdul Hakim Indah Restyana Indri Ruth Simatupang Inka Hashari Insani Sekar Wangi Inung Wijayanto Irene Dewi Kurniawati Irma Safitri Irvie Augustin Israndy Yainahu Jangkung Raharjo Johan Arif Johan Arif Johan Arif Karina Permatasari Katamso Katamso Kevin Prathama Nugraha Khairunnisa Alfiyanti Suharja Kharisma Meccasia Kinanti Balqis Maharani Kintan Veriana Krisma Asmoro Kusumawardhani, Eka Leanna Vidya Yovita Ledya Novamizanti Listhyani Dhianira Sarie Listianto Raharjo Luluk Listyani Ayuningtyas Lutfi Ahmad Lyra Vega Ugi Magdarita Haris Mahdan Muqottirullah Al Askariyy Maya Amiriyanti Maya Sari Samosir Melina Melina Mentari Pangestu Mielda Fauzi Mila Muliani Mirrah Aliya Azzahra Mohamad Fikri Permana Mona Renasari Muhamad Fatah Muhamad Luthfi Wahid Muhammad Fatah W Muhammad Fatah Wiyatna Muhammad Ilham Fauzi Muhammad Rafki Muhammad Taufiq Alkautsar Mujib Ramadhan Hidayat Murnisari Darjan Mutia Henarta Mutiara Ulfach Nabila Sarashadarti Nadia Aisyah Permata Putri Nadia Putri Nurpadilah Nadiya Ibrahim Nanang Adi Setyawan Neng Anggi Iliadi Neng Wiwin Wiyandini Ngurah Putu Oka Harybuana Niki Ihsanul Hakim Nina Djustiana Nova Aditya Utami Novita Yusnia Tri Handayani Nur Andini Nur Hikmah Maulida Nur Ibrahim Nur Inastia Alfianingrum Nur Shabrina Nurul Septiyani Syafril Prasetyo Tri Herlambang Pritta Anggraeni Anindyasari Putu Cinthia Wikessa Putu Wahyu Saputra Qintan Nurma Buana Rakhman Kurniadi Rani Fauzana Rasinia Vadilla Nova Ratri Dwi Atmaja Regha Julian Pradhana Reinhard Immanuel Abraham Reni Anggraini Reni Dyah Wahyuningrum Restu Pujiyanti Hidayat Restu Wardani Reza Ahmad Nurfauzan Rian Febrian Umbara Rian Umbara Rikko Ismail Hardianzah Risva Ulva Fauzia Rita Magdalena Rizkiana Rani Sejahtera Rizky Setyaningrum Rizqi Shaumi Puspa Ayu Amanda Rosa Chulia Rahmah Rr Ayuningtias Setiaji Rudy Hartanto Rudy Hartanto Rudy Hartanto Ryan Bagus Wicaksana Ryan Bagus Wicaksono Sarah Aura Nadienda Saraswati Saraswati Setyo Nugroho Wibowo Shabrina Elha Putri Shofiya Rona Gemintang Sigit Nugroho SJAFRIL DARANA Sjafril Darana Sjafril Darana Sofia Sa’idah SOFIA SAIDAH Sri Muliawati Suci Amelia Suci Aulia Sugeng Winarno Sugondo Hadiyoso Suhardjo MS Suhardjo MS Suhardjo Sitam Suhardjo Sitam Suhardjo Suhardjo Suhardjo Suhardjo Suhartono Tjondronegoro Suken Achmad Aziz Suryo Adhi Wibowo Syahida Anugrah Kausar Syakira Nurina Shaputri Syelanisa Nabilla Syifa Mellynda Prisca Tengku Ahmad Wira Giovany Tikki Capriati Marieski Tita Haryanti Tito Permana Ulfa Yuliani Unang Sunarya Utari Hustita Dewi Vallen Ariesandi Vanesa Ditalia Vasya Aulia Viona Apryaleva Vivi Oktaviani Damanik Wijayanti, Lumastari Ajeng Wulandari Setiawati Wulandary Ika Hanesia Yafis Sukma Kurniawan Yeni Ernita Kusuma Wardani YULI SUN HARIYANI Yun Mukmin Akbar Yuti Malinda Yuti Malinda Yuti Malinda Zafer Ozcan Zagitha Devy Harerra Zahrana Hermulyani Zarka Lazuardi Putera